好学编程：这10个Python机器学习库，你用过哪些？

今天好学编程分享10个Python机器学习库，希望对大家有所帮助！

1. Awkward Array

根据官方介绍，Awkward Array用于嵌套的、大小不一的数据，包括任意长度的列表、记录、混合的类型和缺失数据，使用起来类似NumPy。

看起来像是升级版的NumPy呀。

果然，不同长度的数组可以直接放在一起运算。

并且，官方表示Awkward Array不仅使用起来更简便，在速度和内存上也有量级的优势。

看看是不是可以安排上了～

2. Jupytext

相信大家对Jupyter Notebook都不陌生。

当你有了Jupytext这个小插件就可以将Jupyter Notebook和IDE完美结合，听起来是不是很棒！

从此Jupyter Notebook可以被存储为Markdown文件或多种语言的脚本文件。

Jupytext可以做的事主要有：

在Python中使用的样子：

此项目在Github上已有5k+star。

3. Gradio

比Streamlit还轻量的UI设计库，Gradio让你轻松在浏览器中“玩转”你的模型，可以直接在浏览器中拖放图片，粘贴文字，录制声音，等等。

只要将launch()函数中的参数设置为share=True，还能得到一个可分享的网址，拿到链接的朋友在电脑和手机端都能打开，活脱脱就是一个小程序。

时常需要做Demo的小伙伴快看起来吧，此项目在Github上已有4.5k+star。

4. Hub

这个Hub在数据管理和数据预处理上可是一把好手。

它可以处理任何类型，任何大小的数据，并且因为数据储存在云端上，所以可以无缝在任何机器上访问。

被压缩为二进制字节的数据可以被存储在任何地方，并且只有在需要的时候才会被获取，所以没有TB级硬盘也可以处理TB级数据。

Hub贴心地提供了重要API，支持数据在常用工具（PyTorch等）上的使用，数据版本控制，数据转换等功能。

此项目在github上已有4.1k+star。

5. AugLy

AugLy是facebook最新推出的数据增强库，同时支持语音，文本，图像和视频类型的数据，包含了100多种增强方式。

数据对于模型训练至关重要，而标注大规模数据十分困难。由于人力资源，和模型特性的限制，数据增强的应用越来越广泛。

AugLy的优点：

处理类型更为全面。其他的数据增强库，例如Albumentations和NVIDIA DALI，主要负责图像相关数据的处理，文字数据不支持。处理方式十分人性化。AugLy可以将一张图片做成备忘录，在图片/视频上叠加文字/Emojis，转发社交媒体上的截图，还可以帮助你处理诸如拷贝检测、仇恨言论检测或版权侵权等问题。

此项目在Github上已有4.1k+star。

6. Evidently

Evidently是用来监测模型效果的工具，可从Pandas DataFrame或csv文件中生成交互式可视化报告和JSON格式的效果简介。在Jupyter Notebook中可以使用。